[发明专利]一种牛只患病数据分析方法及装置

说明书

技术领域

本发明涉及医疗领域，具体而言，涉及一种牛只患病数据分析方法及装置，用于监测养殖的牛只特别是奶牛的健康状态。

背景技术

当前大数据、物联网技术和生物可穿戴设备的结合与应用为奶牛养殖的信息化、科学化提供了重要的依据和支撑。分类、预测等算法是牛只患病判别上常用的技术手段，有着较为广泛的应用。

现有奶牛健康判别方案通常采用固定阀值或者参数的方式进行计算，调整参数或者阀值都需要重新训练模型，运行过程中无法动态进行调整。当前已有的算法在计算过程中，只考虑到泛化的误诊率，可能会造成某个指标偏差并不是太大，但其实是危险度较高的指标没有被及时分类、暴露，而造成较大的损失。另外，现有方法的阀值参数或者权重多由兽医和行业专家进行一次性设定或逐项手动调整，准确率较低。

发明内容

有鉴于此，本发明的目的在于提供一种牛只患病数据分析方法及装置，以改善上述问题。

本发明较佳实施例提供一种牛只患病数据分析方法，用于监测牛只的健康状态，所述方法包括：获取能够表征牛只健康状态的状态指标数据；选择样本数据，并根据预先初始化的关于患病分类的代价矩阵和基于代价敏感的多分贝叶斯过程分类器对所选择的样本数据进行样本训练，得到训练样本的患病分类模型；根据得到的所述状态指标数据、所述代价矩阵和所述训练样本的患病分类模型，计算所述待测牛只的患病分类概率并输出。

进一步地，所述方法还包括：根据所述待测牛只的健康状态的实际检测结果和得到的所述患病分类概率，基于AdaCost算法对所述代价矩阵进行更新。

进一步地，所述状态指标数据包括生理指标、体征指标、活动性指标中的至少一类，其中：所述生理指标包括体表温度、心率、体重、当日反刍次数、当日反刍时间、食量中的至少一种；所述体征指标包括纹理、形态中的至少一种；所述活动性指标包括日行走步数。

进一步地，所述根据得到的所述状态指标数据、所述代价矩阵和所述训练样本的患病分类模型，计算所述待测牛只的患病分类概率并输出的步骤，包括：计算所述状态指标数据之于患病类别的后验概率P(c_{j＝1,2,...,m}|x_{i＝1,2,...,n})，其中：c_j表示所述患病分类中的一种患病类别，x_i∈X＝{x₁,x₂,...,x_n}，X表示获取到的所述待测牛只的状态指标数据集，x_i表示其中的一种状态指标数据；根据计算式：计算将状态指标数据x_i预测为患病类别c_j的条件代价R(c_j|x_i)，其中，C表示所述代价矩阵，C(k,j)表示将患病类别c_k错误判别为患病类别c_j的代价；根据公式：R(c_ji|x_i)＝min_jR(c_j|x_i)，确定x_i对应的最小条件代价，并进而确定状态指标数据x_i对应的预测患病类别；根据上述所确定的结果及所述训练样本的患病分类模型计算待测牛只的患病分类概率；输出计算得到的针对所述待测牛只的患病分类概率。

进一步地，关于所述多分贝叶斯过程分类器的协方差核函数为高斯核函数。

本发明另一较佳实施例提供一种牛只患病数据分析装置，用于监测牛只的健康状态，所述装置包括：数据获取模块，用于获取能够表征牛只健康状态的状态指标数据；模型训练模块，用于选择样本数据，并根据预先初始化的关于患病分类的代价矩阵和基于代价敏感的多分贝叶斯过程分类器对所选择的样本数据进行样本训练，得到训练样本的患病分类模型；概率计算模块，用于根据得到的所述状态指标数据、所述代价矩阵和所述训练样本的患病分类模型，计算所述待测牛只的患病分类概率并输出。

进一步地，所述装置还包括：代价矩阵更新模块，用于根据所述待测牛只的健康状态的实际检测结果和得到的所述患病分类概率，基于AdaCost算法对所述代价矩阵进行更新。

进一步地，所述状态指标数据包括生理指标、体征指标、活动性指标中的至少一类，其中：所述生理指标包括体表温度、心率、体重、当日反刍次数、当日反刍时间、食量中的至少一种；所述体征指标包括纹理、形态中的至少一种；所述活动性指标包括日行走步数。